-
Python中int和float的主要区别在于：1.int表示无小数的整数，支持任意大小；float表示带小数的实数，遵循IEEE754双精度标准，存在精度误差。2.int内存动态扩展，无溢出问题；float因二进制表示限制，如0.1+0.2≠0.3。3.可用type()或isinstance()判断类型，int与float可相互转换，但int()直接截断小数。4.运算中/总返回float，//返回整除结果，混合运算时int自动转为float。理解差异有助于提升计算准确性和代码效率。
-
Python配置文件首选JSON、INI、YAML：JSON轻量通用但无注释；INI结构清晰适合简单场景；YAML功能强支持嵌套与注释，推荐中大型项目；应封装Config类统一管理并校验。
-
GitHubActions轻量高效，适合中小型Python项目；Jenkins灵活可控，适合复杂流水线；二者可混合使用，统一配置保障CI可信性。
-
SQLAlchemy推荐使用Core的insert().returning()实现跨数据库插入后返回自增ID，PostgreSQL原生支持，MySQL8.0.19+配合新驱动也支持；ORM则通过session.flush()后直接读取主键。
-
Python正则表达式需深入理解模式与文本交互：注意贪婪/非贪婪匹配、正确转义元字符（如用[.]或\\）、合理使用Unicode范围或regex库、精确控制量词、区分捕获组与非捕获组、善用命名组及标志位（re.I/re.S/re.M），并优先编译复用。
-
Python的Pool采用主-从协作+懒加载+任务队列缓冲方式动态分发任务：任务先入共享任务队列，子进程主动拉取执行；结果通过独立结果队列返回主进程。
-
被装饰函数的__name__和__doc__丢失是因为装饰器用新函数替换了原函数，而wrapper默认携带自身元数据；functools.wraps可自动同步__name__、__doc__等属性，避免手动赋值遗漏，类装饰器及嵌套装饰器中同样必须使用。
-
本文介绍三种在使用pyzipcode库将邮政编码映射为州名时优雅跳过无效邮编（如'39826'）的方法：try/except异常捕获、contextlib.suppress上下文抑制，以及利用pyzipcode内置get()方法的默认值机制。
-
首先需安装OpenCV库，再使用cv2.imread()读取图像。1.通过pipinstallopencv-python安装；2.用cv2.imread()加载图片，并用imshow显示；3.注意路径正确性、BGR色彩顺序及支持的图像格式，可指定模式读取灰度图。
-
高阶函数是接受函数作参数或返回函数的函数，核心用法是将函数作为参数传递以提升灵活性与复用性，如map、filter、sorted及自定义apply_to_each等，传参时需注意不加括号。
-
应对网站反爬需模拟真实浏览器行为：伪造User-Agent等请求头、用Session管理会话、控制请求频率并添加随机延时、针对JS渲染内容分析接口或逆向参数，复杂场景考虑Playwright/Selenium。
-
Python异常处理核心在于异常对象生命周期、栈帧传播及上下文管理器协同：raise构造实例并填充__traceback__，except捕获实例而非字符串，避免exceptException:吞掉系统信号，with中__exit__返回True可阻断传播，自定义异常应继承Exception而非BaseException。
-
Dask是Python中用于并行处理大规模数据的库，适合处理超出内存、计算密集型的数据。1.它兼容Pandas接口，学习成本低；2.支持多线程、多进程及分布式计算；3.采用延迟执行机制，按需计算，节省资源；4.可高效处理CSV、Parquet等格式数据；5.使用时注意控制分区大小、减少compute()频率、优先使用列式存储格式，并根据硬件配置调整并发数。
-
本文介绍通过参数化组合（@pytest.mark.parametrize）将相似测试逻辑合并为单个测试函数的方法，避免在多个测试类中重复调用相同计算逻辑和断言结构，提升可维护性与可读性。
-
Make命令默认只识别名为Makefile或makefile的文件，若使用其他名称（如Makefile.mk），需通过-f参数显式指定；否则会报“***Noruletomaketarget”错误。
